C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO

Tamaño: px
Comenzar la demostración a partir de la página:

Download "C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO"

Transcripción

1 C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO Los métodos más eficaces de protección contra las heladas son la plantación de cultivos que no sean sensibles a la congelación, la plantación en localidades sin temperaturas de congelación, o plantar un cultivo que emerja o florezca una vez que el peligro de helada haya pasado. Los dos primeros métodos se consiguen pocas veces si lo que queremos es obtener un producto específico en un lugar que presenta temperaturas de congelación. En la mayoría de áreas del mundo, a excepción de las regiones con clima únicamente tropical, son posible las temperaturas bajo cero. Las heladas pueden producirse incluso en países con climas tropicales en altitudes elevadas. La probabilidad y el riesgo de temperaturas que causan daño varían con la época del año y, para algunos cultivos, la sensibilidad al daño a las temperaturas bajo cero también cambia. Es importante conocer la probabilidad y el riesgo ya que ayuda a los agricultores a decidir si se planta, qué y cuándo en una localidad en particular. La probabilidad nos indica qué posibilidades hay de experimentar temperaturas que causen daño en un año dado y el riesgo nos dice la probabilidad de que ocurra una helada a lo largo de un periodo dado (e.g. la esperanza de vida en años de una plantación frutal o de un método de protección contra heladas). Por ello, el análisis de probabilidad y riesgo de heladas es una herramienta útil en la toma de decisiones. La toma de decisiones sobre protección contra las heladas depende del tipo de cultivo. Por ejemplo, la helada puede dañar cultivos extensivos anuales y la probabilidad de daño por helada está afectada principalmente por la selección de plantas en los cultivos de invierno y cuándo deben sembrarse los cultivos plantados en primavera. Para los cultivos de invierno, el daño ocurre, a menudo, en la época más fría del invierno. Si utilizamos cálculos de probabilidad y de riesgo, se pueden determinar las posibilidades de que el cultivo sea dañado por la helada. Si el riesgo es alto, el cereal de invierno podría sustituirse por un cereal de primavera para reducir las pérdidas. Haan (1979) presentó la metodología para determinar la probabilidad y el riesgo para los cultivos que son dañados normalmente por congelaciones graves a mediados de invierno. Mostró cómo calcular la probabilidad de que la temperatura caiga por debajo de la temperatura crítica de daño en un año cualquiera y mostró cómo determinar el riesgo de ocurrencia una 1

2 P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A 2] [ o más veces en un número dado de años. El enfoque es similar al utilizado por los hidrólogos cuando determinan el período de retorno de las inundaciones o los geólogos cuando estiman la probabilidad y el riesgo de terremotos. La estadística de la probabilidad y del riesgo de inundaciones y terremotos se utiliza para tomar decisiones sobre cuánto dinero hay que invertir en edificios e infraestructuras para evitar el daño y la pérdida de vidas humanas. De forma similar la información sobre la probabilidad y el riesgo de temperaturas mínimas se utiliza para tomar decisiones acerca de la posibilidad de que se pierda un cultivo por daño por heladas, en un año cualquiera o a lo largo de varios años. Estas posibilidades calculadas se utilizan para decidir si debería plantarse el cultivo, si vale la pena invertir en seguros, si debe plantarse un cultivo distinto, o si la protección contra las heladas es eficaz en costes. Conocer la probabilidad exacta de alcanzar una temperatura crítica específica de daño en una fecha determinada, en primavera y en otoño, es útil para determinar fechas de siembra y de cosecha en cultivos anuales y la duración deseable de la estación de crecimiento para evitar el daño por helada. Con este libro se proporciona el procedimiento para estimar estas probabilidades y un programa Excel FriskS.xls para realizar los cálculos. En frutales y en viña, las temperaturas críticas de daño cambian con el estado de desarrollo del cultivo y las fechas de los estados de crecimiento varían de un año a otro. En consecuencia, determinar la probabilidad y el riesgo para plantaciones frutales y de viña es más complicado que para cultivos anuales. Por ejemplo, una temperatura crítica de daño (T c ) puede ser 7 C o inferior en el estadio de rotura de yemas pero puede aumentar hasta 2 C o superior durante el estado de fruto pequeño, un mes más o menos más tarde. Con este libro se proporciona un programa (TempRisk.xls) para calcular la probabilidad y el riesgo asociado con una temperatura crítica de daño durante un período de tiempo específico correspondiente a un estado de crecimiento. Por ejemplo, en la aplicación, la T c y las fechas de inicio y finalización para el período de interés son datos a introducir. Luego, utilizando 20 o más años de datos climáticos de temperatura mínima, se calcula la probabilidad de que la temperatura caiga por debajo de T c durante este período en un año dado y el riesgo de que ocurra una o más veces dentro de 5, 10,, 30 años y se representa gráficamente. En este capítulo se discuten los métodos y las instrucciones de uso de TempRisk.xls. CÁLCULOS DE RIESGO Y CERTIDUMBRE El análisis de riesgo se utiliza para estimar las probabilidades de que un evento dañino ocurra o no a largo plazo (i.e. en varios años). Por ejemplo, un agricultor quiere saber el riesgo de que un cultivo en particular se pierda por helada durante

3 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO la vida esperada de la plantación o la vida prevista del método de protección contra helada. En este libro, el riesgo se determina con el método de Haan (1979) que utiliza una distribución binomial (i.e. un proceso de Bernoulli). En una distribución binomial, el riesgo (R) de tener una o más ocurrencias de temperatura por debajo de la temperatura mínima seleccionada en un período de n años se calcula como: donde es la combinación de n elementos tomando 0 cada vez y P 0 = 1,0. Simplificando esta ecuación obtenemos: donde P = P ( T < T c ). Como este es el riesgo de tener uno o más eventos de heladas dañinas en n años, la certidumbre (C) de no tener heladas viene dada por: Entonces, la probabilidad (P) de tener una helada en un año dado puede calcularse a partir de la certidumbre (C) como: donde C es la probabilidad, en tanto por uno, de que el evento no ocurrirá en un número especificado de años (n). En la Tabla 1.1 se muestra una tabla de probabilidades del suceso de heladas en un año correspondiente a un rango de valores de certidumbre y períodos de diseño (años). Por ejemplo, para tener una certidumbre del 90% (i.e. C = 0,90) de que la temperatura mínima no caerá por debajo de una temperatura de daño en particular (T c ) en los próximos 15 años, la probabilidad de que este evento ocurra en cualquier año debe ser menor de 0,007 o 0,7% (i.e. en años, no debería ocurrir más de siete veces). CÁLCULOS DE LA PROBABILIDAD DE LOS EVENTOS En la sección previa se ha establecido que una probabilidad P = 0,007 corresponde a una certidumbre del 90% de que un evento extremo no ocurrirá más de 7 veces cada años. La probabilidad de que un evento extremo ocurra en un año dado debería determinarse a ser posible calculando el cociente de sucesos extremos observados a lo largo del número de años registrados. Sin embargo, normalmente se tiene suerte si se dispone de 20 o 30 años de datos, antes que los años o 3

4 P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A 4] [ T A B L A 1. 1 Probabilidad (P) de que ocurra un evento en un año dado correspondiente a la certidumbre (%) de que el evento no ocurra durante el periodo propuesto CERTIDUMBRE % ,2140 0,1894 0,1674 0,1476 0,1294 0,1127 0,0971 0,0825 0,0689 0,0559 0,0436 0,0320 0,0209 0,0102 0,1134 0,0997 0,0876 0,0767 0,0670 0,0580 0,0498 0,0422 0,0350 0,0284 0,0221 0,0161 0,0105 0,0051 PERIODO DE DISEÑO (AÑOS) ,0771 0,0676 0,0593 0,0518 0,0452 0,0391 0,0335 0,0283 0,0235 0,0190 0,0148 0,0108 0,0070 0,0034 0,0584 0,0511 0,0448 0,0391 0,0341 0,0294 0,0252 0,0213 0,0177 0,0143 0,0111 0,0081 0,0053 0,0026 más necesarios. Dado que los datos son limitados, la mejor aproximación es determinar una función de densidad de probabilidad a partir del conjunto de datos existentes. La función de densidad de probabilidad es una aproximación de lo que cabría esperar si dispusiéramos de o más años de datos. Hay muchos tipos de funciones de densidad de probabilidad, pero Haan (1979) obtuvo buenos resultados para datos de temperaturas mínimas utilizando una función de densidad de probabilidad de valor extremo tipo I. La curva acumulada para una función de densidad de probabilidad de valor extremo tipo I es: donde α = σ/1,283, β = µ + 0,45α; y µ es la temperatura mínima media y σ es la desviación típica de las temperaturas mínimas en los años registrados. Por tanto, calculando la media y la desviación típica de las temperaturas mínimas de los años, calculando α y β e insertándolos en la Ecuación 1.5, se puede encontrar la probabilidad de que la temperatura mínima en un año cualquiera caiga por debajo de T c. La probabilidad resultante (P) de que ocurra el evento en un año 25 0,0470 0,0411 0,0360 0,0314 0,0273 0,0236 0,0202 0,0171 0,0142 0,0114 0,0089 0,0065 0,0042 0, ,0393 0,0344 0,0301 0,0263 0,0228 0,0197 0,0169 0,0143 0,0118 0,0095 0,0074 0,0054 0,0035 0,0017

5 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO dado puede ser un dato de entrada en la Ecuación 1.3 con un periodo de diseño (n) para estimar la certidumbre de que una temperatura extrema por debajo de T c no ocurrirá dentro de los n años. Por ejemplo, si P = 0,0111 y el periodo de diseño es de 20 años, se corresponde con una certidumbre C = 80% de que el evento no ocurrirá en un período de 20 años (Tabla 1.1). CULTIVOS CON UNA SENSIBILIDAD ESTABLECIDA Haan (1979) presentó un método para estimar la probabilidad y el riesgo de que la temperatura caiga por debajo de un valor crítico cuando se ha establecido la sensibilidad del cultivo al daño. Se modificó el modelo y se escribió un programa MS Excel TempRisk.xls para hacer cálculos para un período de tiempo seleccionado por el usuario. Las probabilidades se calculan utilizando una función de valor extremo tipo I y el riesgo se calcula utilizando un proceso de Bernoulli. Con este libro se incluye el programa TempRisk.xls. Datos de entrada Hasta 50 años de datos de temperatura mínima pueden introducirse en la hoja Datos de TempRisk.xls (Figura 1.1) y ser analizados para calcular la probabilidad y el riesgo. Una precisión mayor se asocia con más años de datos, pero para un análisis fiable se requieren un mínimo de 20 años de datos. Las fechas de inicio y de finalización para el período a evaluar y la temperatura crítica son datos de entrada en las celdas de la parte superior izquierda de la hoja Datos y la probabilidad de sobrepasar el evento se muestra debajo de la celda de la temperatura crítica. F I GU R A 1. 1 Ejemplo de la hoja Datos del programa TempRisk.xls 5

6 P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A 6] [ Resultados de la Probabilidad La probabilidad de que la temperatura mínima caiga por debajo de la temperatura crítica se representa en la hoja Datos. Sin embargo, la probabilidad de tener una temperatura inferior dentro de un intervalo de temperaturas bajo cero se traza en el gráfico ProbHelada (Figura 1.2). Por ejemplo, en la Figura 1.2, hay sobre un 8% de probabilidad de que la temperatura mínima caiga por debajo de -4 C durante el período del 1 de mayo hasta el 20 de diciembre para los datos que se han introducido en TempRisk.xls. F I GU R A 1. 2 La probabilidad de tener una temperatura mínima más baja durante un período de tiempo definido (del gráfico ProbHelada del programa TempRisk.xls) trazada frente a la correspondiente temperatura mínima Hoja de cálculo y gráfico del riesgo La certidumbre de no tener temperaturas mínimas por debajo de la temperatura crítica de daño para períodos de diseño de 5, 10,, 30 años se ha trazado en el gráfico Riesgo de TempRisk.xls (Figura 1.3). Por ejemplo, existe una certidumbre de un 65% de que la temperatura mínima no caiga por debajo de -4 C en un período de 5 años. Al mismo tiempo, hay una certidumbre de tan sólo un 10% de que ésto no ocurra durante un período de 30 años. Claramente, un período de diseño más largo tiene más oportunidades de ocurrencia del daño.

7 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO F I GU R A 1. 3 Certidumbre (%) de no tener eventos con la temperatura mínima cayendo por debajo de la temperatura crítica fijada (i.e. -4,0 C) entre el 1 de mayo y el 20 de diciembre dentro de un período de diseño de 5, 10,, 30 años (de la hoja Riesgos y gráfico del programa TempRisk.xls) FECHAS DE LA ÚLTIMA HELADA EN PRIMAVERA Y DE LA PRIMERA HELADA EN OTOÑO Es importante conocer la probabilidad asociada con la fecha de la última helada perjudicial en primavera y la primera helada perjudicial en otoño para planificar cuándo plantar un cultivo. Por ejemplo, una fecha de plantación tardía es apropiada si la probabilidad de temperatura dañina es demasiado alta en primavera. En el caso de que la probabilidad de una temperatura dañina sea alta, antes de la cosecha, en otoño, lo más inteligente es plantar una variedad de ciclo corto. También es ventajoso conocer la probabilidad y el riesgo cuando se desarrollan estrategias a largo plazo sobre las fechas de siembra y de cosecha, y para la selección de variedades. Además de identificar posibles problemas de heladas, analizar la probabilidad y el riesgo proporciona información sobre las posibilidades de que ocurran estos problemas. Por consiguiente, es útil decidir un nivel aceptable de riesgo para cultivar un cultivo así como para decidir si es justificable la protección contra las heladas. Con este libro se suministra el programa FriskS.xls para hacer los cálculos de probabilidad y de riesgo asociados con las fechas de la última helada de primavera y de la primera helada de otoño. 7

8 P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A 8] [ Introducción de datos La precisión de los cálculos de probabilidad de los datos de temperatura viene limitada por los años disponibles, por ello, un número mayor de años proporciona una estimación más precisa. Para utilizar la aplicación FriskS.xls, se introducen un mínimo de 20 años de datos de temperatura mínima diaria en la hoja Data. No obstante, se utilizan más años de datos si están disponibles. Es importante poner el año correspondiente a los datos de temperatura en la parte superior de la columna. Una temperatura crítica introducida en una celda cerca de la parte superior izquierda de la hoja Datos (Figura 1.4). Resultados de la Probabilidad Una vez entrados los datos, FriskS.xls calcula las probabilidades de que ocurra una temperatura mínima por debajo de la temperatura crítica en una fecha más tardía en primavera. De forma similar, se calculan las probabilidades de que ocurra una temperatura mínima por debajo de la temperatura crítica en una fecha más temprana en otoño. Después se representan las probabilidades de tener una temperatura mínima más baja que la temperatura crítica en una fecha más tardía en primavera o más temprana en otoño con respecto a la fecha en el gráfico ProbHeladas (Figura 1.5). Gráfico de la estación de crecimiento La aplicación FriskS.xls también calcula las probabilidades de duración de la estación de crecimiento. Aquí, la duración de la estación de crecimiento se define como el número de días entre la media de las fechas del último día de primavera con una temperatura mínima por debajo de la temperatura crítica y la media de F I GU R A 1. 4 Ejemplo de datos de entrada en la hoja Datos del programa FriskS.xls, con una temperatura crítica T c = -2,0 C

9 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO las fechas del primer día de otoño con una temperatura mínima por debajo de la temperatura crítica. Las probabilidades son trazadas respecto a la fecha en el gráfico EstaciónCrecimiento. En la Figura 1.6 se muestra un ejemplo. F I GU R A 1. 5 Un gráfico con la probabilidad de tener una fecha con la temperatura mínima más baja más tarde en primavera o más temprana en otoño versus fecha (del gráfico ProbHeladas del programa FriskS.xls) F I GU R A 1. 6 Probabilidad de menos días entre la última fecha en primavera y la primera fecha en otoño con una temperatura mínima por debajo de la temperatura crítica (del gráfico EstaciónCrecimiento del programa FriskS.xls) 9

10 ] P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A [ Hoja de cálculo y gráfico del riesgo La certidumbre de no tener temperaturas mínimas por debajo de la temperatura crítica (e.g. T c = 0,0 C) después de una fecha seleccionada en la primavera se calcula y se muestra en la hoja y en el gráfico RiesgosPrimavera (Figura 1.7). La fecha seleccionada (i.e. para determinar la probabilidad de que T < T c en una fecha posterior) es un dato de entrada en la parte superior de la hoja RiesgosPrimavera (e.g. 20 de marzo en la Figura 1.7). Se calcula y se muestra la probabilidad (%) de que ocurra un día con T < T c después de esta fecha en un año cualquiera. Entonces, las certidumbres (%) de que no se observarán temperaturas por debajo de T c durante los periodos de diseño de 5, 10,, 30 años se muestran en un gráfico de columnas. Por ejemplo, hay una certidumbre de un 45% de que no se observará una temperatura por debajo de T c = 0 C después del 20 de marzo, pero hay menos del 1% de certidumbre de que no ocurrirá una temperatura por debajo de 0 C después del 20 de marzo durante un periodo de 30 años (Figura 1.7). Se utiliza un procedimiento similar para calcular y mostrar certidumbres de que una temperatura mínima caerá por debajo de T c antes de la fecha seleccionada en otoño. La Figura 1.8 muestra un ejemplo de la hoja RiesgosOtoño con la fecha seleccionada de 1 de noviembre y una T c = 0,0 C. De nuevo las certidumbres se muestran en un gráfico de columnas. Por ejemplo, hay una certidumbre cercana al 85% de que no habrá temperaturas mínimas por debajo de 0 C antes del 1 de noviembre durante un período de 5 años. Para un período de 30 años, la certidumbre es únicamente del 35%. Métodos de cálculo El programa FriskS.xls primero determina, para cada año, la fecha del último día de primavera en que la temperatura mínima cae por debajo de la temperatura crítica introducida. Después calcula la media (µ d ) y la desviación típica (σ d ) de la última fecha en primavera durante los años registrados. Las probabilidades para la última fecha de helada en primavera se calculan utilizando: donde d es el día del año, α d = σ d / 1,283 y β d = µ d + 0,45 α d. 10

11 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO F I GU R A 1. 7 Certidumbre (%) de que no haya eventos de temperatura mínima cayendo por debajo de T c después de 20 Marzo en 5, 10,, 30 años (de la hoja y gráfico RiesgosPrimavera del programa FriskS.xls) F I GU R A 1. 8 Certidumbre (%) de que no haya eventos con temperatura mínima cayendo por debajo de T c antes del 1 de noviembre en 5, 10,, 30 años (de la hoja y gráfico RiesgosOtoño del programa FriskS.xls) 11

12 ] P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A [ Para la primera fecha con temperatura dañina en otoño se calcula la media y la desviación típica sobre los años de registro y las probabilidades se calculan utilizando las mismas ecuaciones para α d, β d y P(T n < T). Los cálculos de la certidumbre para los gráficos RiesgosPrimavera y RiesgosOtoño se hacen utilizando la Ecuación 1.3. Para los cálculos de la estación de crecimiento, las diferencias anuales entre la última fecha en primavera y la primera en otoño se utilizan para calcular la media y la desviación típica del período. Después, se utilizan las mismas ecuaciones usadas para la última fecha en primavera y la primera en otoño para calcular las probabilidades de tener menos días durante la estación de crecimiento. APLICACION DEL ESTIMADOR DE DAÑO (DEST.XLS) El programa estimador de daño MS Excel DEST.xls se usa para calcular el daño esperado por helada y el rendimiento esperado del cultivo, utilizando datos climáticos específicos del lugar, de temperatura máxima y mínima para cultivos que no tienen protección contra las heladas, y utilizando hasta 11 métodos distintos de protección contra las heladas. En el análisis pueden utilizarse hasta 50 años de datos de temperatura máxima y mínima. Las temperaturas críticas asociadas con un daño del 90% (T 90 ) y del 10% (T 10 ) son los datos de entrada correspondientes a los momentos fenológicos específicos. Se asume que el daño por helada es multiplicativo. Por ejemplo, una helada que causa un daño del 50% seguida de una segunda helada con un daño del 50% resultará en un pérdida de cosecha del 75% (i.e. 50% en la primera helada y 50% de 50% = 25% en la segunda helada). Se asume que el daño está directamente relacionado con la temperatura mínima y que no está relacionado con su duración. El programa está estructurado en tres pasos. En el primero, las estimaciones de ºC de protección esperadas para los 11 métodos de protección son datos de entrada en la hoja EmpezarAquí (Figura 1.9). A continuación, hay que introducir el nombre del cultivo, la altura del cultivo, las plantas por hectárea, el tipo de planta y el rendimiento esperable sin daños por helada. Si se aplica aclareo al cultivo, hay que entrar el porcentaje de frutos eliminados en la celda apropiada. Si en el cultivo no se aplica aclareo, hay que dejar un 0% en la celda de aclareo. Cuando la aplicación se hace correr de nuevo, escriba Y en la celda Borrar todas las entradas previas para eliminar las entradas previas. Hay que dejar la N o teclear N para dejar las entradas mostradas en la hoja, Una vez finalizadas las entradas, hay que presionar Completar paso 1 de 3 para continuar con el paso 2. 12

13 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO F I GU R A 1. 9 Ejemplo de entradas para la hoja EmpezarAquí En el segundo paso, hay que entrar los datos climáticos de la temperatura máxima y mínima. En la Figura 1.10 se muestra un ejemplo con los datos de temperaturas máximas y mínimas de unos pocos primeros días de algunos años. Únicamente es necesario entrar datos para el período en que sean probables las heladas. Este período debería incluir las fechas en las que hay temperaturas críticas en la tabla incluida en la hoja Cultivo. Una vez finalizado, hay que presionar en Completar paso 2 de 3 para continuar. Finalmente, el tercer paso es entrar los datos de la temperatura crítica correspondiente a las fechas de los estados fenológicos sensibles. Por ejemplo, la Figura 1.11 muestra la entrada de los datos de T 90 y de T 10 y las fechas de los estados fenológicos de manzano cv. Golden Delicious. El programa analizará únicamente los datos entre la primera y la última fecha con estados críticos. Por consiguiente, debería entrarse en último estadio tal como se muestra en la Figura 1.11 para identificar el último período. 13

14 ] P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A F I GU R A Un ejemplo de entrada de temperaturas mínimas y máximas para la hoja Meteorología F I GU R A Ejemplo de los datos de entrada de T 90 y de T 10 correspondientes a las fechas de los estadios fenológicos críticos en la hoja Cultivo [ Una vez se ha finalizado con la hoja Cultivo, presiona sobre Completar paso 3 de 3 y la aplicación muestra los resultados en la hoja Resultados donde se puede encontrar: 1. Una tabla del porcentaje anual de daño por helada en el fruto para un cultivo no protegido y para los 11 métodos de protección (Figura 1.12). 14

15 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO F I GU R A Ejemplo de la hoja Resultados que muestra las medias y las desviaciones típicas del porcentaje de daño y del rendimiento para los 11 métodos de protección y sin protección En la hoja de cálculo se muestra también la fracción de pérdida de producción potencial debido al daño por helada y la producción comercial para cada año y método de protección. En la aplicación DEST.xls, se muestra la parte inferior de la tabla a la derecha de la tabla del medio. 2. Una tabla del rendimiento anual en toneladas por hectárea para el cultivo no protegido y para los 11 métodos de protección. Si en la hoja EmpezarAquí se ha entrado un porcentaje de frutos aclarados, no hay reducción del rendimiento hasta que ese porcentaje de frutos se ha perdido primero debido a daño por helada. Por ello, si hay una helada, se asume que el daño 15

16 por helada aclara el cultivo y únicamente las pérdidas adicionales al aclareo afectarán al rendimiento final. 3. Una tabla resumen con medias y desviaciones típicas anuales del porcentaje de pérdidas de frutos, y medias y desviaciones típicas de los rendimientos del cultivo (Figura 1.12). 4. En la tabla resumen se muestran la media y la desviación típica del número de heladas y de su duración. En este capítulo se investiga el cálculo del riesgo físico de daño por helada, y se presenta cómo utilizar e interpretar el calculador de riesgo de daño físico de helada (DEST.xls). En el próximo capítulo, se investiga y se evalúa, en términos económicos, la decisión financiera de si hay que implementar o no la protección contra las heladas. El concepto de riesgo es, en consecuencia, extendido desde el riesgo físico al riesgo financiero. Se presenta un programa de ordenador personal para ayudar en la toma de decisiones. [ ] P R O T E C C I Ó N C O N T R A L A S H E L A D A S : F U N D A M E N T O S, P R Á C T I C A Y E C O N O M Í A 16

C A P Í T U L O 2 EVALUACIÓN ECONÓMICA DE LOS MÉTODOS DE PROTECCIÓN INTRODUCCIÓN

C A P Í T U L O 2 EVALUACIÓN ECONÓMICA DE LOS MÉTODOS DE PROTECCIÓN INTRODUCCIÓN C A P Í T U L O 2 EVALUACIÓN ECONÓMICA DE LOS MÉTODOS DE PROTECCIÓN INTRODUCCIÓN Los problemas financieros aparecen, a menudo, por malas inversiones en tierra, maquinaria, edificaciones y otros activos

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

ANALISIS DE DATOS CON EXCEL

ANALISIS DE DATOS CON EXCEL 1 ANALISIS DE DATOS CON EXCEL 1 USAR FORMULAS Y FUNCIONES PARA CALCULAR VALORES Las funciones son fórmulas predefinidas que ejecutan cálculos utilizando valores específicos, denominados argumentos, en

Más detalles

UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado. Estadistica Aplicada a la FORESTERIA II INDICE DE TEMAS

UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado. Estadistica Aplicada a la FORESTERIA II INDICE DE TEMAS UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado Estadistica Aplicada a la FORESTERIA II 2007 INDICE DE TEMAS Metodos Generales: 1. Principios basicos del diseño experimental 2. Tipos de experimentos

Más detalles

C A P Í T U L O LA PREDICCIÓN DE

C A P Í T U L O LA PREDICCIÓN DE C A P Í T U L O 5 LA PREDICCIÓN DE LAS HELADAS Y SU SEGUIMIENTO EL VALOR DE LA PREDICCIÓN DE LAS HELADAS Evaluar el valor de la predicción de las heladas implica análisis complejos de toma de decisiones,

Más detalles

El rendimiento de la inversión con BIM

El rendimiento de la inversión con BIM MODELADO DE INFORMACIÓN DE EDIFICIOS REVIT El rendimiento de la inversión con BIM En este documento se analiza en profundidad el rendimiento de la inversión (ROI) de las soluciones de modelado de información

Más detalles

ANÁLISIS AGROMETEOROLÓGICO OASIS SUR CAMPAÑA VITÍCOLA 2011-2012

ANÁLISIS AGROMETEOROLÓGICO OASIS SUR CAMPAÑA VITÍCOLA 2011-2012 ANÁLISIS AGROMETEOROLÓGICO OASIS SUR CAMPAÑA VITÍCOLA 2011-2012 RED DE ESTACIONES RED TELEMÉTRICAS AUTOMÁTICAS Latitud Longitud Altitud Las Paredes S 34º30 34,8 W 68º22 25,6 813 msnm La Llave S 34º38 51,7

Más detalles

Reporte climático especial a la mitad dela primavera de 2015

Reporte climático especial a la mitad dela primavera de 2015 Reporte climático especial a la mitad dela primavera de 2015 ZONA SUR (Regiones IX a X) Prohibida su reproducción total o parcial, salvo que se indique la fuente haciendo referencia al sitio web, a la

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

3. Descripción física del rayo. Parámetros

3. Descripción física del rayo. Parámetros 3. Descripción ísica del rayo. Parámetros 3.1. PROCESO DE DESCARGA DE UNA NUBE El rayo es una descarga transitoria de elevada intensidad; la mitad de estos rayos ocurren en el interior de la nube, y la

Más detalles

EVALUACIÓN ECONÓMICA DEL CULTIVO DEL PALTO Carlos A. Wilhelmy Gorget

EVALUACIÓN ECONÓMICA DEL CULTIVO DEL PALTO Carlos A. Wilhelmy Gorget EVALUACIÓN ECONÓMICA DEL CULTIVO DEL PALTO Carlos A. Wilhelmy Gorget Para hacer una evaluación económica lo más completa, clara y real posible, es preferible plantear un proyecto específico, de manera

Más detalles

Cómo usar las nuevas herramientas de Recalificación en BizWorks. Introducción

Cómo usar las nuevas herramientas de Recalificación en BizWorks. Introducción Cómo usar las nuevas herramientas de Recalificación en BizWorks Introducción Este otoño presentamos dos nuevas herramientas en BizWorks diseñadas para simplificar los esfuerzos de administración de los

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES Para la valuación de opciones hay dos modelos ampliamente reconocidos como son el modelo binomial y el modelo de Black

Más detalles

Algunas consideraciones sobre el clima, la producción agropecuaria y la toma de decisiones

Algunas consideraciones sobre el clima, la producción agropecuaria y la toma de decisiones Algunas consideraciones sobre el clima, la producción agropecuaria y la toma de decisiones Agustín Giménez 1, José Pedro Castaño 1, Laura Olivera 1 y José Furest 1 Walter Baethgen 2 Introducción La economía

Más detalles

Módulo II - Excel. Identificando tipos de datos... 2. Introduciendo datos en las celdas... 3. Llenando automáticamente las celdas...

Módulo II - Excel. Identificando tipos de datos... 2. Introduciendo datos en las celdas... 3. Llenando automáticamente las celdas... Módulo II - Excel Índice Identificando tipos de datos... 2 Introduciendo datos en las celdas... 3 Llenando automáticamente las celdas... 4 Seleccionando un rango de celdas... 5 Seleccionando una fila o

Más detalles

3. CÁLCULOS Y FORMATOS CONDICIONALES

3. CÁLCULOS Y FORMATOS CONDICIONALES colores, tendremos las opciones Mínima y Máxima, con tres campos cada una: Tipo, Valor y Color. Con este formato podemos crear una regla que le asigne un color al menor valor y otro al mayor, y dé a los

Más detalles

El pronóstico climático para el verano del 2006. Víctor Magaña Centro de Ciencias de la Atmósfera Universidad Nacional Autónoma de México

El pronóstico climático para el verano del 2006. Víctor Magaña Centro de Ciencias de la Atmósfera Universidad Nacional Autónoma de México El pronóstico climático para el verano del 2006 Víctor Magaña Centro de Ciencias de la Atmósfera Universidad Nacional Autónoma de México qué significa aprovechar la información del clima? OMM Las variaciones

Más detalles

SOLUCIÓN CASO CÁLCULO DE GASTOS DE VIAJE

SOLUCIÓN CASO CÁLCULO DE GASTOS DE VIAJE SOLUCIÓN CASO CÁLCULO DE GASTOS DE VIAJE La cumplimentación del parte de dietas requerirá de la introducción de algunos datos como: el nombre del empleado, la fecha de inicio del viaje, la fecha de finalización,

Más detalles

APLICACIONES CON SOLVER OPCIONES DE SOLVER

APLICACIONES CON SOLVER OPCIONES DE SOLVER APLICACIONES CON SOLVER Una de las herramientas con que cuenta el Excel es el solver, que sirve para crear modelos al poderse, diseñar, construir y resolver problemas de optimización. Es una poderosa herramienta

Más detalles

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad

Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Clase 5: Variables Aleatorias y Distribuciones de Probabilidad Variables Aleatorias Una variable aleatoria es una función que asocia un número real con cada elemento del EM. Ejemplo 1: El EM que da una

Más detalles

= C18+C19+C20+C21+C22 = SUMA(C18:C22) Con este sencillo ejemplo hemos querido demostrar que las funciones nos permiten simplificar los cálculos.

= C18+C19+C20+C21+C22 = SUMA(C18:C22) Con este sencillo ejemplo hemos querido demostrar que las funciones nos permiten simplificar los cálculos. Alexandra Hernández Mesa LAS FUNCIONES EN EXCEL Las funciones son la principal característica de una Hoja de Cálculos. El primer paso para exprimir al máximo el potencial de Excel es conocer y dominar

Más detalles

Cómo convertir texto de Word en una tabla de datos en Excel (todas las versiones)

Cómo convertir texto de Word en una tabla de datos en Excel (todas las versiones) Cómo convertir texto de Word en una tabla de datos en Excel (todas las versiones) www.funcionarioseficientes.com 1 INSTRUCCIONES PASO A PASO: Estas indicaciones son válidas para todas las versiones de

Más detalles

Qué organismos viven en nuestro cafetal?

Qué organismos viven en nuestro cafetal? Sección anterior 24 25 Qué organismos viven en nuestro cafetal? cafetaleras de alturas bajas e intermeintroducción Endias,laselzonas café vive, durante la época seca, uno de los momentos más importantes

Más detalles

AVANCE DE LA COSECHA DE ARANDANOS EN ARGENTINA REPORTE DE CLIMA Y FENOLOGIA REGION POR REGION SEMANA 36 2015

AVANCE DE LA COSECHA DE ARANDANOS EN ARGENTINA REPORTE DE CLIMA Y FENOLOGIA REGION POR REGION SEMANA 36 2015 AVANCE DE LA COSECHA DE ARANDANOS EN ARGENTINA REPORTE DE CLIMA Y FENOLOGIA REGION POR REGION SEMANA 36 2015 NOA (Tucumán, Salta y Catamarca) Clima El otoño e invierno se caracterizaron por temperaturas

Más detalles

SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH

SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH 1) DEFINICIÓN Las series de tiempo llamadas también series cronológicas o series históricas son un conjunto de datos numéricos que se obtienen en períodos regulares

Más detalles

Estimación de parámetros, validación de modelos y análisis de sensibilidad

Estimación de parámetros, validación de modelos y análisis de sensibilidad Tema 6 Estimación de parámetros, validación de modelos y análisis de sensibilidad 6.1 Calibración Una vez que se ha identificado el modelo y se ha programado, necesitamos aplicarlo al problema concreto

Más detalles

Medidas de tendencia central o de posición: situación de los valores alrededor

Medidas de tendencia central o de posición: situación de los valores alrededor Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

Matrices equivalentes. El método de Gauss

Matrices equivalentes. El método de Gauss Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

PROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión

PROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión PROSAP-UTF/ARG/017/ARG Desarrollo Institucional para la Inversión ESTUDIO DE AMPLIACIÓN DEL POTENCIAL DE IRRIGACIÓN EN ARGENTINA Metodología de Simulación Montecarlo Julio 2014 Anexo: Metodología de Simulación

Más detalles

DISTRIBUCIONES DE VARIABLE CONTINUA

DISTRIBUCIONES DE VARIABLE CONTINUA UNIDAD 11 DISTRIBUCIONES DE VARIABLE CONTINUA Página 260 1. Los trenes de una cierta línea de cercanías pasan cada 20 minutos. Cuando llegamos a la estación, ignoramos cuándo pasó el último. La medida

Más detalles

Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE. Objetivos. Teoría

Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE. Objetivos. Teoría Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE Objetivos 1. Medir la distancia recorrida y la velocidad de un objeto que se mueve con: a. velocidad constante y b. aceleración constante,. Establecer

Más detalles

PROYECTO EDUCATIVO LA CALERA

PROYECTO EDUCATIVO LA CALERA Introducción a Excel2000. Es una de las planillas de cálculo, más utilizadas en todo el mercado informático - ahora con la novedosa versión de Excel2000 incorpora un conjunto de características nuevas

Más detalles

Unidad 1: El Cuadro de control de Excel

Unidad 1: El Cuadro de control de Excel Unidad 1: El Cuadro de control de Excel 1,0 Introducción Excel nos ayuda a comprender los datos mejor al disponerlos en celdas (que forman filas y columnas) y usando fórmulas para realizar los cálculos

Más detalles

Proyectos de inversión. Economía de la Empresa (ISS)

Proyectos de inversión. Economía de la Empresa (ISS) Proyectos de inversión Economía de la Empresa (ISS) 1 Categorías de Flujo de Efectivo El flujo de caja flujos suelen contener las siguientes categorías de flujo de caja. Estas categorías se describen para

Más detalles

Análisis Estadístico de la Velocidad y Dirección del Viento en Los Taques- Estado Falcón

Análisis Estadístico de la Velocidad y Dirección del Viento en Los Taques- Estado Falcón Junio 9 FGLONGATT/R-9-13 Análisis Estadístico de la Velocidad y Dirección del Viento en Los Taques- Estado Falcón 1 Programa Fuentes Alternas de Energía y Generación Distribuida Acrónimo del proyecto EOLO-

Más detalles

Ejercicio de estadística para 3º de la ESO

Ejercicio de estadística para 3º de la ESO Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población

Más detalles

CASO PRÁCTICO DISTRIBUCIÓN DE COSTES

CASO PRÁCTICO DISTRIBUCIÓN DE COSTES CASO PRÁCTICO DISTRIBUCIÓN DE COSTES Nuestra empresa tiene centros de distribución en tres ciudades europeas: Zaragoza, Milán y Burdeos. Hemos solicitado a los responsables de cada uno de los centros que

Más detalles

PRIMERA PARTE LAS PRIMERAS PLANILLAS

PRIMERA PARTE LAS PRIMERAS PLANILLAS PRIMERA PARTE LAS PRIMERAS PLANILLAS El objetivo de este capítulo es tener una primera aproximación al programa. Conocerle la cara: cómo se ve, para qué sirve, cuáles son y cómo se usan las principales

Más detalles

Centro de Capacitación en Informática

Centro de Capacitación en Informática Combinación de funciones y fórmulas =SI(Y(...)...) o =Si(O(...)...) En secciones anteriores vimos que la función SI() debía cumplir una condición, como por ejemplo, controlar si en una celda determinada

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

Más detalles

En muchas ocasiones, después de crear una hoja de cálculo, nos daremos cuenta de que nos falta alguna fila en medio de los datos ya introducidos.

En muchas ocasiones, después de crear una hoja de cálculo, nos daremos cuenta de que nos falta alguna fila en medio de los datos ya introducidos. 6.1. Insertar Filas En muchas ocasiones, después de crear una hoja de cálculo, nos daremos cuenta de que nos falta alguna fila en medio de los datos ya introducidos. Para añadir una fila, seguir los siguientes

Más detalles

Guía N 1: Fundamentos básicos(i)

Guía N 1: Fundamentos básicos(i) 1 Guía N 1: Fundamentos básicos(i) Objetivos Generales: Ver una breve descripción de las capacidades más comunes de Excel Objetivos específicos: Descripción de los elementos de un libro: Hojas, iconos,

Más detalles

Nombre científico: PERSEA AMERICANA

Nombre científico: PERSEA AMERICANA Nombre científico: PERSEA AMERICANA Se trata de fruto de elevado valor nutritivo debido a la gran cantidad de grasas y aceites que hay en su pulpa, lo que es sumado a los ácidos grasos insaturados que

Más detalles

FISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS

FISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS AJUSTE POR MÍNIMOS CUADRADOS Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes x e y se relacionan a través de una ecuación lineal y = ax + b donde las constantes b (ordenada

Más detalles

Prácticas PGSI. Práctica 1. Introducción a la Gestión de Proyectos con Project 2000

Prácticas PGSI. Práctica 1. Introducción a la Gestión de Proyectos con Project 2000 Prácticas PGSI Práctica 1. Introducción a la Gestión de Proyectos con Project 2000 Contenidos 1. Repasar los conceptos básicos de gestión de proyectos. a. Partes de un proyecto: i. Tareas. ii. Hitos. iii.

Más detalles

4. PROYECCIÓN DE EGRESOS... 4 Costos variables...4 Gastos fijos...5 Inversiones...6 Amortizaciones...6

4. PROYECCIÓN DE EGRESOS... 4 Costos variables...4 Gastos fijos...5 Inversiones...6 Amortizaciones...6 Valor actual neto Un caso aplicado a la Valuación de Empresas MSc Pablo Lledó Índice 1. INTRODUCCIÓN... 2 2. SUPUESTOS PARA LA VALUACIÓN... 2 3. PROYECCIÓN DE INGRESOS... 3 3.1. Ingresos por ventas...3

Más detalles

FUENTES DE INFORMACION, PARAMETROS Y METODOLOGÍA DE DIAGNOSTICO DE AREAS POTENCIALES

FUENTES DE INFORMACION, PARAMETROS Y METODOLOGÍA DE DIAGNOSTICO DE AREAS POTENCIALES FUENTES DE INFORMACION, PARAMETROS Y METODOLOGÍA DE DIAGNOSTICO DE AREAS POTENCIALES 138 FUENTES DE INFORMACION Con excepción de la variable tipo climático, la cual requirió un proceso de digitalización

Más detalles

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables" no es aplicable.

www.fundibeq.org En estos casos, la herramienta Gráficos de Control por Variables no es aplicable. GRAFICOS DE CONTROL POR ATRIBUTOS 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas para el control de procesos, los Gráficos

Más detalles

ANÁLISIS ECONÓMICO DE INVERSIONES.

ANÁLISIS ECONÓMICO DE INVERSIONES. ANÁLISIS ECONÓMICO DE INVERSIONES. José Ignacio González Soriano Agosto 2013 INDICE 1. FORMULAS FINANCIERAS.... 2 1.1.- VALOR ACTUAL NETO.... 3 1.1.1.- DEFINICIÓN... 3 1.1.2.- CASO GENERAL... 3 1.1.3.-

Más detalles

Unidad IV: Cinética química

Unidad IV: Cinética química 63 Unidad IV: Cinética química El objetivo de la cinética química es el estudio de las velocidades de las reacciones químicas y de los factores de los que dependen dichas velocidades. De estos factores,

Más detalles

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e

3. LA DFT Y FFT PARA EL ANÁLISIS FRECUENCIAL. Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e 3. LA DFT Y FFT PARA EL AÁLISIS FRECUECIAL Una de las herramientas más útiles para el análisis y diseño de sistemas LIT (lineales e invariantes en el tiempo), es la transformada de Fourier. Esta representación

Más detalles

LEAN MANUFACTURING Dr. Genichi Taguchi. JAVIER MEJIA NIETO CONSULTOR EMPRESARIAL jmejia@eafit.edu.co

LEAN MANUFACTURING Dr. Genichi Taguchi. JAVIER MEJIA NIETO CONSULTOR EMPRESARIAL jmejia@eafit.edu.co Dr. Genichi Taguchi El sistema integrado de Ingeniería de Calidad del Dr. Genichi Taguchi es uno de los grandes logros en ingeniería del siglo XX. Ha sido ampliamente reconocido como líder del movimiento

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

3.1 Opciones reales Opciones Call Opciones Put Compra de Call

3.1 Opciones reales Opciones Call Opciones Put Compra de Call 3.1 Opciones reales La teoría de opciones tiene un origen puramente financiero, se usa ampliamente como estrategia de cobertura de riesgos para inversiones en valores o acciones e inclusive existen opciones

Más detalles

Empresarial y Financiero

Empresarial y Financiero Curso de Excel Empresarial y Financiero SESIÓN : REGRESIÓN Rosa Rodríguez Relación con el Mercado Descargue de yahoo.com los Datos de precio ajustado de cierre de las acciones de General Electric (GE),

Más detalles

CASO PRÁCTICO GESTIÓN DE PEDIDOS

CASO PRÁCTICO GESTIÓN DE PEDIDOS CASO PRÁCTICO GESTIÓN DE PEDIDOS Tenemos una tabla con los precios unitarios de los productos de nuestra empresa por categorías de clientes. Los clientes están clasificados en categorías de 1 a 4- en función

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos

Más detalles

INDICE 3. CALCULO Y DISEÑO DE LAS LINEAS DE REFRIGERANTE 3.1.1. PERDIDA DE PRESION 3.1.2. RETORNO DEL ACEITE AL COMPRESOR 3.1.3.

INDICE 3. CALCULO Y DISEÑO DE LAS LINEAS DE REFRIGERANTE 3.1.1. PERDIDA DE PRESION 3.1.2. RETORNO DEL ACEITE AL COMPRESOR 3.1.3. Cálculo y Diseño de Líneas de Refrigerante INDICE 0. INTRODUCCION 1. PRINCIPIOS BASICOS 2. MATERIAL 3. CALCULO Y DISEÑO DE LAS LINEAS DE REFRIGERANTE 3.1. LINEA DE ASPIRACION 3.1.1. PERDIDA DE PRESION

Más detalles

www.pildorasinformaticas.com Página 1

www.pildorasinformaticas.com Página 1 Capítulo 1. CREACIÓN DE BBDD Y VALIDACIÓN DE DATOS... 4 1.1. Crear una BBDD... 4 1.2. Formulario de entrada de datos... 5 1.3. Importación de datos... 7 1.4. Ordenación de registros... 10 1.5. Autofiltros...

Más detalles

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes.

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. 2.1 Generalidades. En la actualidad, en lo referente a las finanzas uno de los grandes problemas que los administradores y

Más detalles

Combatir las plagas y enfermedades del jardín 2

Combatir las plagas y enfermedades del jardín 2 BRICOLAJE - CONSTRUCCIÓN - DECORACIÓN - JARDINERÍA Combatir las plagas y enfermedades del jardín 2 Rosales, arbustos ornamentales y plantas de huerta www.leroymerlin.es Leroy Merlin, S.A., 2003 1 Equipo

Más detalles

Curso. Análisis Estadístico de Datos Climáticos

Curso. Análisis Estadístico de Datos Climáticos Curso I-1 Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Montevideo, Uruguay 2011 I-2 DISTRIBUCIONES DE PROBABILIDAD

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

2. Seleccionar Insertar función:

2. Seleccionar Insertar función: Estadística I Curso 2014/2015 Guión de la Práctica 1 Introducción a la Estadística con Excel; Estadística Descriptiva En el siguiente guión vamos a ver cómo realizar Estadística Descriptiva con el software

Más detalles

Aspectos del Clima en Alba de Tormes

Aspectos del Clima en Alba de Tormes Aspectos del Clima en Alba de Tormes Temperatura La temperatura media anual según la serie climática desde 1945 a 1994 es de 12,8 Cº. Las temperaturas medias mensuales en la serie de los 50 años han sido:

Más detalles

INFORME STERN: La Economía del Cambio Climático

INFORME STERN: La Economía del Cambio Climático Resumen de las Conclusiones Aún queda tiempo para evitar los peores impactos del cambio climático, si emprendemos acciones enérgicas ahora La evidencia científica en estos momentos es abrumadora: el cambio

Más detalles

Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx

Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx Introducción a la hoja de cálculo Excel @ Joaquín Delgado Departamento de Matemáticas UAM-iztapalapa e-mail: jdf@xanum.uam.mx Indice 1. Qué es la hoja de cálculo? 2. El menú principal 3. Aritmética simple.

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

Series de Tiempo. Series de Tiempo

Series de Tiempo. Series de Tiempo Series de Tiempo 1. Requisitos de Estadística Descriptiva: a. Media, Mediana b. Desviación estándar c. Regresión lineal 2. Qué es una serie de tiempo a. Componentes de la Serie de Tiempo (tipos de variación):

Más detalles

Ministerio de Medio Ambiente y Agua SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA GESTIÓN DE RIESGO AGRÍCOLA

Ministerio de Medio Ambiente y Agua SERVICIO NACIONAL DE METEOROLOGÍA E HIDROLOGÍA GESTIÓN DE RIESGO AGRÍCOLA BOLETÍN AGROMETEORÓLOGICO Nº27 REGISTRO DE HORAS FRÍO DEL MES DE JUNIO 2015 Elaborado por: Ing. Agr. Sergio Campero Marin Responsable de Riesgo Agrícola SENAMHI COMENTARIO AGROMETEOROLÓGICO DE HORAS -

Más detalles

Cambio de representaciones para variedades lineales.

Cambio de representaciones para variedades lineales. Cambio de representaciones para variedades lineales 18 de marzo de 2015 ALN IS 5 Una variedad lineal en R n admite dos tipos de representaciones: por un sistema de ecuaciones implícitas por una familia

Más detalles

UN PROBLEMA DE MATEMÁTICA-FICCIÓN EN TRES ACTOS. José Antonio Mora Sánchez. CEP d'alacant

UN PROBLEMA DE MATEMÁTICA-FICCIÓN EN TRES ACTOS. José Antonio Mora Sánchez. CEP d'alacant UN PROBLEMA DE MATEMÁTICA-FICCIÓN EN TRES ACTOS. José Antonio Mora Sánchez. CEP d'alacant Las calculadoras ofrecen la posibilidad de modificar la óptica desde la que se abordan ciertos problemas matemáticos.

Más detalles

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA Virgilio Gómez Rubio Mª José Haro Delicado Baeza 2014 1 ESTADÍSTICA DESCRIPTIVA 2 Estadística descriptiva 1. El puntaje de Apgar

Más detalles

Equipo requerido Cantidad Observaciones Reglas graduadas en decímetros, en centímetros y milímetros

Equipo requerido Cantidad Observaciones Reglas graduadas en decímetros, en centímetros y milímetros DEPARTAMENTO DE FISICA Y GEOLOGIA No 0 UNIVERSIDAD DE PAMPLONA FACULTAD DE CIENCIAS BÁSICAS LABORATORIO DE MECÁNICA TOMA DE DATOS E INTRODUCCIÓN AL ANÁLISIS DEL ERROR. Objetivos Entender y familiarizarse

Más detalles

CONTROL DE PLAGAS EN LOS CEPES: Aplicando los Conocimientos para un Eficaz Manejo de Plagas del Césped:

CONTROL DE PLAGAS EN LOS CEPES: Aplicando los Conocimientos para un Eficaz Manejo de Plagas del Césped: CONTROL DE PLAGAS EN LOS CEPES: Aplicando los Conocimientos para un Eficaz Manejo de Plagas del Césped: Grillo Topo como ejemplo Las plagas del césped constituyen un desafío en el mundo entero. La cantidad

Más detalles

FUNCIONES 1. DEFINICION DOMINIO Y RANGO

FUNCIONES 1. DEFINICION DOMINIO Y RANGO 1. DEFINICION DOMINIO Y RANGO FUNCIONES Antes de definir función, uno de los conceptos fundamentales y de mayor importancia de todas las matemáticas, plantearemos algunos ejercicios que nos eran de utilidad

Más detalles

1 VARIABLES ESTADÍSTICAS UNIDIMENSIONALES

1 VARIABLES ESTADÍSTICAS UNIDIMENSIONALES 1 VARIABLES ESTADÍSTICAS UNIDIMENSIONALES 1 La tabla siguiente refleja la distribución por cursos de los alumnos matriculados en un Instituto: Curso n i 1º de ESO 56 2º de ESO 90 3º de ESO 120 4º de ESO

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

Más detalles

Fundamentos de Informática - Ms. Excel (3) 2011

Fundamentos de Informática - Ms. Excel (3) 2011 Tabla de contenidos Resolución de sistemas de ecuaciones usando Ms. Excel... Introducción... Ecuación de una incógnita... 3 Método gráfico... 3 Herramienta Buscar objetivo... 4 Herramienta Solver... 8

Más detalles

Cultivo de la Piña Tropical en enarenado al aire libre.

Cultivo de la Piña Tropical en enarenado al aire libre. Cultivo de la Piña Tropical en enarenado al aire libre. Granja Agrícola Experimental del Cabildo de Lanzarote Tef: 928 836590/91 Fax: 928843265 Web: www.agrolanzarote.com e-mail:agrolanzarote@cabildodelanzarote.com

Más detalles

Evaluación de Opciones: Teoría

Evaluación de Opciones: Teoría Evaluación de Opciones: Teoría Evaluación de Opciones:Teoría Transparencia 1 de 49 Esquema Remuneraciones de opciones Influencias en el valor de opciones Valor y volatilidad de título; tiempo disponible

Más detalles

CAPÍTULO 13 CUESTIONARIO FALSO - VERDADERO

CAPÍTULO 13 CUESTIONARIO FALSO - VERDADERO CAPÍTULO 13 CUESTIONARIO ALSO - ERDADERO 13-1 Un supuesto básico de la teoría financiera es que la mayoría de los inversionistas y gerentes son buscadores de riesgo. 13-2 el propósito de reducir el riesgo,

Más detalles

El cambio climático y las anomalías climáticas:

El cambio climático y las anomalías climáticas: Seguros climáticos El cambio climático y las anomalías climáticas: Las consecuencias económicas para las empresas y nuevas soluciones de seguros Introducción Para proteger a las empresas contra los efectos

Más detalles

Biblioteca Virtual Ejercicios Resueltos

Biblioteca Virtual Ejercicios Resueltos EJERCICIO 13 13 V a l o r n u m é r i c o Valor numérico de expresiones compuestas P r o c e d i m i e n t o 1. Se reemplaza cada letra por su valor numérico 2. Se efectúan las operaciones indicadas Hallar

Más detalles

LA CALCULADORA GRÁFICA

LA CALCULADORA GRÁFICA 1 LA CALCULADORA GRÁFICA Una matriz es un conjunto de números dispuestos en s y columnas. Las dimensiones de una matriz vienen dadas por su número de s y columnas. Una matriz de m s y n columnas se dice

Más detalles

Tablas de Datos. HL Mata 1

Tablas de Datos. HL Mata 1 Tablas de Datos HL Mata 1 De acuerdo al nivel de ayuda de MS Excel una tabla de datos es un rango de celdas que muestra los resultados de sustituir diferentes valores en una o más formulas. Las tablas

Más detalles

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método

Más detalles

VARIEDADES DE AGUACATE PARA EL TRÓPICO: CASO COLOMBIA

VARIEDADES DE AGUACATE PARA EL TRÓPICO: CASO COLOMBIA Proceedings V World Avocado Congress (Actas V Congreso Mundial del Aguacate) 2003. pp. 143-147. VARIEDADES DE AGUACATE PARA EL TRÓPICO: CASO COLOMBIA D. Rios-Castaño Profrutales Ltda., Km. 14 vía Cali

Más detalles

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 -

INDICADORES POR ENCUESTA. Cuaderno Práctico -1 - INDICADORES POR ENCUESTA Cuaderno Práctico -1 - ÍNDICE Elaboración del CUESTIONARIO...- 4 - Selección de la MUESTRA...- 5 - APLICACIÓN del cuestionario...- 7 - MECANIZACIÓN de datos...- 8 - Cálculo de

Más detalles

Cifras significativas e incertidumbre en las mediciones

Cifras significativas e incertidumbre en las mediciones Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades

Más detalles

ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH

ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH Cuando se estudian en forma conjunta dos características (variables estadísticas) de una población o muestra, se dice que estamos analizando una variable

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA DE FLECHAS 1.- INTRODUCCIÓN Este documento sirve de guía para el proceso de planificación de proyectos. Describe desde la visualización de la secuencia de acciones a desarrollar en dichos proyectos

Más detalles